最短路径
Dijkstra 算法
令S={源点s + 已经确定了最短路径的顶点Vi}
对任一未收录的顶点V,定义dist[V]为s到V的最短路径长度,但该路径仅经过S中的顶点。
若路径是按照递增(非递减)的顺序生成的,则
1.真正的最短路径必须只经过S中的顶点。
2.每次从未收录的顶点中选一个dist最小的收录。
3.增加一个V进入S,可能影响另外一个w的dist值!
伪代码如下:
void Dijkstra(Vertex s)
{
while(1){
V = 未收录顶点中dist最小者;
if(这样的V不存在)
break;
collected[V] = true;
for( V 的每个邻接点w )
if(collected[w] = false)
if(dist[V] + E<v,w> < dist[w]){
dist[w] = ist[V] + E<v,w>;
prth[w] = v;
}
}
}
示例:
初始化
选择v1作为起点并更新其dist
访问与其相连的点v2,v4,并更新其dist以及上一个节点
自此进入正式算法
将v4标注为被访问过,开始访问v4的邻接点
连接v3并更新
连接v5并更新
连接v6,v7并更新,开始进入下一轮循环
访问v2,对v5更新失败,进入下一轮循环。v4已被访问过,进入下一轮循环
访问v3,并更新v6的信息
访问v5
访问v7,并更新v6
访问v6
所有节点已被访问,算法结束
实现代码:
Vertex FindMinDist(MGraph Graph ,int dist[], int collected[])
{/*返回未被收录顶点中dist最小者*/
Vertex MinV, v;
int MinDist = INFINITY;
for(V = 0; V<Graph -> Nv>; V++){
if(collected[V] == false && dist[V] < MinDist){
/*若V未被收录,且dist[V]更小*/
MinDist = dist[V]; /* 更新最小距离*/
MinV = V; /*更新对应顶点*/
}
}
if(MinDist < INFINITY)/*若找到dist*/
return MinV;/*返回对应的顶点下标*/
else return ERROR;/*若这样的定点不存在,然会错误标记*/
}
bool Dijkstra(MGraph Graph ,int dist[], int path[], Vertex S)
{
int collected[MaxVertexNum];
Vertex V, w;
/*初始化:此处默认邻接矩阵中不存在的边用 INFINITY 表示*/
for(V = 0; V<Graph -> Nv>; V++){
dist[V] = Graph -> G[S][V];
if(dist[V] < INFINITY)
path[V] = S;
else
path[V]=-1;
collected[V] =false;
}
/*先将起点收入集合*/
dist[S] = O;
collected[S] = true;
while (1) {
/* V=未被收录顶点中 dist最小者*/
V =FindMinDist(Graph, dist, collected);
if (V == ERROR) /* 若这样的V 不存在*/
break; /* 算法结束*/
collected[V] =true; /* 收录V*/
for(w = 0; w<Graph->Nv; w++) /* 对图中的每个顶点w*/
/*若W是V的邻接点并且未被收录*/
if (collected[w] == false && Graph->G[V][w] < INFINITY){
if (Graph->G[V] [w] <0)/* 若有负边*/
return false; /* 不能正确解决,返回错误标记*/
/* 若收录V使得dist[w]变小*/
if (dist[V] + Graph -> G[V][w] < dist[w]){
dist[w] = dist[V] + Graph->G[V][w] ; /*更新dist[w]*/
path[w] = V; /*更新S到 w 的路径*/
}
}
}/* while结束*/
return true; /*算法执行完毕,返回正确标记*/
}
Floyd 算法
d(i,j)表示节点i到j最短路径的距离,对于每一个节点k,检查d(i,k)+ d(k,j)小于d(i,j),如果成立,
d(i,j) = d(i,k)+ d(k,j)
bool Floyd(MGraph Graph, Weight Type D[] [ MaxVertexNum], Vertex path[] [ MaxVertexNum])
{
Vertex i, j, k;
/*初始化*/
for(i = 0; i < Graph -> Nv; i++)
for(j = 0; j < Graph -> Nv; j++){
D[i][j] = Graph -> G[i][j];
path[i][j] = -1 ;
}
for(k = 0; k < Graph -> Nv; k++)
for(i = 0; i < Graph -> NV; i++)
for(j = 0; j < Graph -> NV; j++)
if(D[i][k] + D[k][j] < D[i][j]){
D[i][j] = D[i][k] + D[k][j);
if(i== j && D[i][j] < D)/* 若发现负值圈**/
return false; /*不能正确解决,返回错误标记*/
path[i][j] = k;
}
return true; /*算法执行完毕,返回正确标记*/
}
生成树
Prim算法
最小生成树,图中不能出现回路。
适用于稠密图
伪代码如下:
void Prim()
{
MST = {s};
while (1)
{
V = 未收录顶点中dist最小者;
if ( 这样的V不存在 )
break;
将V收录进MST: dist[V] = 0;
for ( V 的每个邻接点 W )
if ( Wdist[W]!= 0未被收录 )
if ( E(V,W) < dist[W] )
{
dist[W] = E(V,W) ;
parent[W] = V;
}
}
if ( MST中收的顶点不到|V|个 )
Error ( “生成树不存在”);
}
示例:
在图中寻找一个节点当作起点
在与v1相连的点中寻找权重最小的边进行连接,并将该点(v4)纳入树中
在与已有点(v1,v4)相连的点中寻找权重最小的边进行连接,继续扩大树的的规模(这里先选择v2,在选择v3)
选择v3之后,为避免形成回路,则v1无法选择只能选择v7
之后选择权重为1且与v7相连的点v6
最后选择v5,至此所有的点全被访问过,访问了六条边,树已生成。
Kruskal算法
适用于稀疏图
伪代码如下:
void Kruskal ( Graph G )
{/*将最小生成树板寸为邻接表存储的图MST,返回最小权重和*/
MST = { } ;/*包含所有顶点但没有边的图*/
while ( MST 中不到 |V| -1 条边 && E 中还有边 )
{
从 E 中取一条权重最小的边 E(v,w) ;/* 引入最小堆完成 */
将 E(v,w)从 E 中删除;
if ( E(V,W)不在 MST 中构成回路) /* 此判断由并查集的Find完成 */
将 E(V,W)加入 MST; /*此判断由并查集的Union完成*/
else
彻底无视 E(V,W);
}/*结束while*/
if ( MST 中不到 |V| -1 条边 )
Error ( “生成树不存在”);
else return 最小权重和;
}
示例:
Kruskal是将森林合并成树,认为每一个节点都是一棵树,访问所有结点之后将其合并为一棵树
在和访问过程中同样要避免形成回路,每次寻找权重最小的边,在避免形成回路的情况下依次递增。
找出权重最小的边进行访问
权重依次递增
避免形成回路,不选择v4,v1之间,v2,v4之间的路。
生成了六条边,树已生成,程序结束。